منابع تحقیق درمورد ساختار سرمایه، مدل رگرسیون، پیش‌فرض‌ها

دانلود پایان نامه ارشد

قرار می گیرد. همچنين از نرم افزارهای Eviews و SPSSبراي تحليل توصيفي دادهها و آزمون فرضیات و استخراج مدل رگرسیون استفاده ميشود.
3-10-2) رگرسیون چند متغیره
در برخي از مسائل پژوهشي، به ويژه آن‌هايي كه با هدف ارائه مدلی برای پيش‌بيني انجام می‌شوند، تعيين همبستگی بین متغير وابسته (كه قصد پيش‌بيني آن را داريم)، و متغيرهاي پيش‌بيني كننده كه هر كدام از آنها تا حدودي با اين متغير همبستگي دارند، داراي اهميت زيادي است. روشي كه از طريق آن متغيرهاي پيش‌بيني كننده تركيب مي‌شوند، “رگرسيون چند متغيره” نام دارد. در اين روش، يك معادله رگرسيون چند متغيره محاسبه مي‌شود كه ارزش‌هاي اندازه‌گيري شده پيش‌بيني را در يك فرمول خلاصه مي‌كند. ضرايب معادله براي هر متغير، بر اساس اهميت آن در پيش‌بيني متغير ملاك محاسبه و معين مي‌شود. درجه همبستگي بين متغيرهاي پيش‌بيني كننده در معادله رگرسيون چند متغيره و متغير وابسته، به‌وسيله ضرايب نشان داده مي‌شود (سرمد، 1384: 220).مدل رگرسيون چند متغيره به شرح زیر است:
Yi = α + β1 X1,i + β2 X2,i + … + βn Xn,i + εn,i
که در آن :
Yi = i اُمین مشاهده متغیر وابسته
α = عرض از مبدأ (مقدار ثابت)
Xn,i = i اُمین مشاهده براي متغیرمستقل Xn(n=1,2,…,n)
β = ضريب متغیر مستقل
ε‌= جزء اخلال
در چنين مدلي مفروضات اساسي زير در نظر گرفته مي‌شود:
1- بین متغيرهاي مستقل رابطه خطي وجود ندارد؛
2- اميد رياضي خطاها معادل صفر و واريانس آن‌ها ثابت است (توزیع خطاها بایستی نرمال باشد)؛
3- بین خطاهای مدل همبستگي وجود ندارد؛ و
4- متغیر وابسته دارای توزیع نرمال است (مومنی، 1386).
3-10-3) ضريب تعيين و ضريب تعيين تصحيح شده
ضريب تعيين مهم‌ترین معياري است که با آن می‌توان رابطه ميان متغير (متغیر‌های) مستقل و متغير وابسته را توضیح داد. مقدار اين ضريب مشخص‌كننده آن است كه چند درصد از تغييرات متغير وابسته توسط متغير (متغیر‌های) مستقل قابل توضيح است. مقدار از رابطه زير تعيين مي‌شود (آذر و مومنی .1377).

كه در آن:
SSE: تغييرات جمله خطا كه توسط رگرسيون توضيح داده نمي‌شود.
SST: كل تغييرات در مقدار متغير وابسته.
برای برطرف نمودن اریبی که در ضریب تعیین ناشی از حجم نمونه است، می‌توان از مقياس ديگري به نام ضريب تعيين تصحيح شده استفاده نمود. اين ضريب همان ضريب تعيين است كه در آن مقادير SSE و SST با درجات آزاديشان تصحیح شده‌اند. اين ضريب در رگرسيون چند متغيره به صورت زير محاسبه مي‌شود (آذر و مومنی،1377):

3-10-4) آزمون مفروضات کلاسیک مدلهای رگرسیونی
استفاده از رگرسيون چندمتغيره نيازمند برقراري پيش‌فرض‌هايي است. در عمل کنترل و تحقق تمامی اين پیش‌فرض‌هانه مرسوم و نه عملی است و حتی برخی صاحب‌نظران کنترل و تحقق تمامی این پیش‌فرض‌ها را ضروری نمی‌دانند (سرمد، بازرگان و حجازی، 1387). با این‌حال در این پژوهش سعی می‌شود مفروضات و پیش‌فرض‌های رگرسیون مورد بررسی قرار گیرند.در صورتي مي‌توان از رگرسيون خطي استفاده كرد که این شرايط محقق شده باشد: بين خطاهاي مدل هم‌بستگي وجود نداشته باشد، متغيرهاي مستقل همبسته نباشند، توزيع خطاها نرمال باشد و در نهايت متغير وابسته از توزيع نرمال برخوردار باشد.

الف) آزمون استقلال خطاها
يکي از مفروضاتي که بايد در رگرسيون مد نظر قرار گيرد، استقلال خطاها (تفاوت بين مقادير واقعي و مقادير پيش بيني شده توسط مدل رگرسيون) از يکديگر است. به عبارت دیگر:
E (uiuj)i≠j=0
E (ui,ui+h)h≠0=0
در صورتي که فرضيه استقلال خطاها رد شود و خطاها با يکديگر همبستگي داشته باشند، امکان استفاده از رگرسيون وجود ندارد. به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین-واتسون108 استفاده می‌شود. به طور كلي آزمون دوربين واتسون همبستگي سريالي بين باقيمانده(خطا)هاي رگرسيون را آزمون مي‌نمايد. مقدار اين آماره بين 0 تا 4 تغيير مي‌كند. اگر همبستگي بين مانده هاي متوالي وجود نداشته باشد، مقدار آماره بايد نزديك 2 شود. اگر مقدارآماره نزديك به صفر شود، نشان دهنده همبستگي مثبت بين باقيمانده‌ها و اگر نزديك به 4 شود، نشان دهنده همبستگي منفي بين باقيمانده هاي متوالي است. به طوركلي اگر آماره دوربین-واتسون بین 5/1 و 5/2 قرار گیرد، میتوان فرض عدم وجود همبستگی بین خطاهای مدل را پذیرفت (مومنی، 1386).
ب) آزمون هم خطی متغیرها
هم خطي وضعيتي است که نشان مي دهد يک متغير مستقل تابعي خطي از ساير متغيرهاي مستقل است. اگر هم خطي در يک معادله رگرسيون بالا باشد، بدين معني است که بين متغيرهاي مستقل همبستگي بالايي وجود دارد و ممکن است مدل با وجود بالا بودن R2داراي اعتبار بالايي نباشد. به عبارت ديگر در صورت وجود هم خطي ممکن است در عين حالي که متغيرهاي مستقل به لحاظ آماري معني داري نيستند، آماره هاي مدل خوب به نظر برسد (مومني و فعال قيومي، 1386). مقادير ويژه109 و شاخص وضعيت110آماره هاي مربوط به آزمون هم خطي مي باشند. مقادير ويژه نزديک به صفر نشان دهنده همبستگي داخلي زياد و بيان گر آن خواهند بود که تغييرات کوچک در مقادير داده ها به تغييرات بزرگ در برآورد ضرايب معادله رگرسيون منجر مي شود. شاخص هاي وضعيت با مقدار بيشتر از 15 نشان دهنده احتمال هم خطي بين متغيرهاي مستقل مي باشد و مقدار بيشتر از 30 بيانگر مشکل جدي در استفاده از رگرسيون در وضعيت موجود است (مومني و فعال قيومي،1386).
ج) بررسی نرمال بودن خطاها
يکي ديگر از مفروضات رگرسيون آن است که خطاها داراي توزيع نرمال با ميانگين صفر مي باشند. بديهي است در صورت عدم برقراري اين پيش گزيده، نمي توان از رگرسيون استفاده نمود. بدين منظور بايد مقادير استاندارد خطاها محاسبه شود و نمودار توزيع داده ها و نمودار نرمال آن ها رسم شود و سپس مقايسه اي بين دو نمودار صورت گيرد (مومني و فعال قيومي،1386).
د) آزمون معناداری ضرایب
براي آزمون فرضيات تحقيق و تعيين وجود رابطه معنادار بين دو يا چند متغير مي توان از آزمون هاي رگرسيوني استفاده نمود. مقصود از انجام چنين آزموني، بررسي رابطه بين متغير وابسته و مستقل مورد نظر مي باشد.
H0 : βj = 0 ضريب متغير مستقل صفر است (رابطه خطي وجود ندارد).
H1 : βj ≠ 0 ضريب متغير مستقل مخالف صفر است.
در صورتي که سطح معني داري مزبور کمتر از سطح خطاي مورد نظر باشد، معني داري ضريب، مورد تاييد قرار مي گردد.
براي آزمون اين فرضيات از آزمون t استیودنت، در سطح معناداری 5% استفاده مي‌شود. اگر در سطح اطمينان 95% (خطاي 5% =) قدر مطلق t بدست آمده از آزمون، بزرگتر از t بدست آمده از جدول با همان درجه آزادي باشد، فرض H0 رد شده و در غير اين صورت تایید مي‌شود. در اين آزمون ردH0 به معني معنا‌دار بودن ضريب مورد نظر و عدم ردH0به مفهوم بي معنا بودن ضريب مورد نظر است.
ه) آزمون معناداری مدل رگرسیون
مدل هاي رگرسيوني در اين پژوهش هم در توليد متغيرهاي اصلي اين تحقيق و هم براي آزمون فرضيه ها استفاده مي گردد. به طور ويژه، بايد مدل هاي توليد کننده متغيرهاي اصلي تحقيق به لحاظ آماري معني دار باشد. در يک معادله رگرسيون، چنانچه هيچ گونه رابطه اي ميان متغيرهاي وابسته و مستقل وجود نداشته باشد، بايد ضريب متغير مستقل در معادله برابر صفر باشد. بدين ترتيب مي توان معنادار بودن معادله رگرسيوني را آزمون کرد.
H0 : βj = 0 (j=1,2,3,…,k) معادله رگرسيوني معنادار نيست
H1 : βj ≠ 0 (j=1,2,3,…,k) معادله رگرسيوني معنادار است

براي آزمون فرضيه فوق از آزمون فيشر استفاده مي شود. مقدار آزمون مزبور براي مدل رگرسيون نمونه از رابطه زير بدست مي آيد.
F = (SSr / k-1).(SSe / n – k )-1

چنانچه در سطح اطمينان 95% (خطاي 5%) آماره F محاسبه شده کوچکتر از مقدار F جدول باشد، فرض H0 را نمي توان رد کرد و در غير اين صورت، H0رد مي شود.
در تحقيقات رگرسيون چند گانه هدف پيدا کردن متغيرهاي مستقلي است که تغييرات متغير وابسته را چه به تنهايي و چه مشترکأ پيشبيني کنند(گرین111، 2011)
3-11) بررسي ساختار دادههاي تركيبي و انواع مدلهاي آن
در این تحقیق، با توجه به نوع دادهها و روشهای تجزیه و تحلیل آماری موجود، از روش دادههای ترکیبی ومقطعی برای برآورد پارامترهای الگو و بررسی آزمون فرضیه ها استفاده شده است. روش دادههای ترکیبی که به روش دادههای مقطعی – سری زمانی112 نیز معروف است، به شکلهای مختلف انجام شده و مدلهای متنوعی دارد که با توجه به شرایط تحقیق از یکی از آنها استفاده میشود.
استفاده از روش دادههای مقطعی ممکن است با مشکلات عدم کارایی و ناسازگاری تخمین مدلها همراه باشد. مشکلات مزبور در تخمین مدلها به روش دادههای ترکیبی و با استفاده از روش هایی مانند مدل اثر ثابت113، مدل اثر تصادفی114، مدل رگرسیون به ظاهر نامرتبط115 و مدل دادههای یکپارچه شده116، وجود نخواهد داشت. در بررسی دادههای مقطعی و سری زمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنیدار نشود، میتوان تمامی دادهها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی117 تخمین زد. به این روش، دادههای تلفیق شده نیز میگویند. مدلهای اثر ثابت و اثر تصادفی به سبب اهمیت، در این قسمت به اختصار توضیح داده میشوند:
برای تعیین مدل مورد استفاده در دادههای ترکیبی از آزمونهای مختلفی به شرح زیر استفاده میشود:
3-11-1) آزمون چاو
آزمون چاو118 برای تعیین بهکارگیری مدل اثرات ثابت در مقابل تلفیق کل دادهها (مدل یکپارچه شده) انجام میشود. فرضیات این آزمون به صورت زیر است:
H0: Pooled Model
H1: Fixed Effect Model
فرضیه اول براساس مقادیر مقید و فرضیه مقابل آن براساس مقادیر غیر مقید است. آمارهی آزمون چاو بر اساس مجموع مربعات خطای مدل مقید و مدل غیر مقید به صورت زیر است:

این آماره دارای توزیعF با درجه آزادی N-1 و NT-N-K است. اگر ارزش آماره F مقید از ارزش آماره F جدول کمتر باشد، در سطح معنی داری تعیین شده، فرضیه H0رد میشود و اثر معنیداری برای مقاطع وجود خواهد داشت. بنابراین، مدل اثر ثابت انتخاب میشود، در این غیر این صورت از مدل دادههای تلفیق شده استفاده میشود (اشرفزاده و مهرگان، 1387).
3-11-2) آزمون هاسمن
آزمون هاسمن119 برای تعیین استفاده از مدل اثر ثابت در مقابل اثر تصادفی انجام میشود. آزمون هاسمن بر پایهی وجود یا عدم وجود ارتباط بین خطای رگرسیون تخمین زده شده و متغیرهای مستقل مدل شکل گرفته است. اگر چنین ارتباطی وجود داشته باشد، مدل اثر ثابت و اگر این ارتباط وجود نداشته باشد، مدل اثر تصادفی کاربرد خواهد داشت. فرضیه H0 نشان دهنده عدم ارتباط متغیرهای مستقل و خطای تخمین و فرضیه H1 نشان دهندهی وجود ارتباط است(زراءنژاد و انواری، 1384).
H0: Random Effect
H1: Fixed Effect
مادالا120 (1998) برای انجام آزمون هاسمن تخمین مقدار واریانس qرا با V(q)نشان داده و آماره M را به صورت زیر ارائه کرده است:

3-12) تعریف عملیاتی متغیرها:
ساختار سرمایه:
ساختار سرمایه عبارت است از ترکیب بدهی و حقوق صاحبان سهام در واقع ساختار سرمایه از جمع حقوق صاحبان سهام و بدهی بدست می آید که در این پژوهش در سه سطح مورد استفاده قرار گرفته است، میزان مالکیت سهامداران حقیقی در شرکت، میزان تمرکز مالکیت و همچنین تعداد سهامداران نهادی(شریعت پناهی، 1376)2.
اهرم مالی:
در این تحقیق اهرم مالی شاخص ساختار سرمایه است که در واقع نشان می دهد که چقدر از دارایی های شرکت از محل بدهی های آن تأمین شده است. این شاخص بوسیله کل بدهی به کل دارایی ها با ارزش های دفتری سنجیده می شود (شریعت پناهی، 1376).
سهامداران نهادی:
سهامداران نهادی به سهامداراني اطلاق مي شود كه در گزارش صورتهاي مالي شركت يا در گزارش هيأت مديره به مجمع در تركيب سهامداران عمده شركت قرار مي گيرند و بيش از 5% سهام شركت در اختيار داشته باشند. به عبارت ديگر سهامدار، فردی حقیقی یا حقوقی است طبق متن پیش نویس آیین نامه راهبری شرکتها در بورس اوراق بهادار ایران دارای دو

پایان نامه
Previous Entries منابع تحقیق درمورد بورس اوراق بهادار تهران، بورس اوراق بهادار، تامین مالی Next Entries منابع تحقیق درمورد اثرات ثابت، ارزش دفتری، سهامداران نهادی